پروپوزال بهبود دقت تشخیص بیماری دیابت نوع 2 با استفاده از الگوریتم ماشین بردار پشتیبان (SVM)

بیماری دیابت رایج ترین بیماری غددی و چهارمین علت مرگ در کشورهای پیشرفته می باشد که به دلیل اختلال در متابولیسم گلوکز، بر سیستم های بدن تأثیرگذار می باشد. دیابت می تواند منجر به مشکلات حاد فیزیکی در افراد و تأثیر اقتصادی بزرگی بر سیستم بهداشت و درمان ملی گردد. رایج ترین نوع دیابت، دیابت نوع 2 است که در آن، غده لوزالمعده انسولين توليد مي‌كند اما مقدارآن ناكافي است و يا بدن نسبت به آن مقاوم می باشد و توانايي استفاده از آن را ندارد ديابت نوع 2 با رژيم غذايي مناسب، ورزش و در صورت لزوم با قرص كنترل مي‌شود. 

داده كاوي تكنيك و ابزار بسيار متداولي است كه امروزه درزمينه هاي مختلفي از جمله علم پزشکی، كاربرد پيدا كرده است. از ديدگاه داده كاوي، پيش بيني در تشخيص بيماري، جزء مسائل طبقه بندي داده ها محسوب مي شود. هدف از روش های پیش گویی داده کاوی در پزشکی بالینی ساخت یک مدل پیش گویانه است که به پزشکان کمک می-نماید تا روش های پیش گیری، تشخیص و برنامه های درمانی خود را بهبود بخشند . 

طبقه بندی از جمله روش های پرکاربرد در تجزیه و تحلیل داده ها است. استخراج الگوهای موجود در داده ها از طریق گروه بندی افراد و متغیرها، هدف اصلی طبقه بندی، عنوان شده است . فرآيند طبقه بندی در واقع نوعی يادگيری تحت نظارت است که در طی دو مرحله انجام می گردد. در مرحله اول مجموعه ای از داده ها (داده های آموزش که در آن هر داده شامل تعدادی ویژگی دارای مقدار و يک ویژگی بنام ویژگی کلاس می باشد)، برای ايجاد يک مدل داده به کار می روند. مرحله دوم فرآيند طبقه بندی، اعمال مدل داده ايجاد شده بر روی داده های تست است که شامل تمام ویژگی های داده های آموزش( که برای ايجاد مدل داده به کار گرفته  شده اند) می باشد، به جز ویژگی کلاس اين مقادير که هدف از عمل طبقه بندی نيز تخمين مقدار اين ویژگی است. الگوريتم ها و روش های مختلفی برای طبقه بندی تاکنون پيشنهاد شده اند که برای مثال می توان از روش های طبقه بندی با استفاده از درخت تصميم، طبقه بندی بيزين، SVM، طبقه بندی با استفاده از شبکه های عصبی، طبقه بندی مبتنی بر قواعد و ...  نام برد.

الگوریتم ماشین بردار پشتیبان (Support vector machines - SVMs) ، یکی از الگوریتم های داده کاوی و از روش‌های یادگیری بانظارت است که از آن برای طبقه‌بندی و رگرسیون استفاده می‌کنند. SVM اولین بار توسط vapnic و همکارانش در سال 1995 در زمینه تئوری یادگیری آماری، معرفی شده است. این الگوریتم، یک طبقه بندی کننده دودویی غیر آماری است که در سال های اخیر به دلیل عملکرد دقیق، بسیار مورد توجه قرار گرفته است الگوریتم SVM، جز الگوریتم های تشخیص الگو دسته بندی می شود. از الگوریتم SVM، در هر جایی که نیاز به تشخیص الگو یا دسته بندی اشیا در کلاس های خاص باشد می توان استفاده کرد . این الگوریتم از یک نگاشت غیرخطی برای تبدیل داده های آموزشی ابتدایی به ابعاد بالاتر استفاده می کند. در این بعد جدید، به دنبال ابرصفحه خطی جداکننده بهینه می گردد. این ابرصفحه، حاشیه ماکسیمال از داده های آموزشی دارد. در عبارت ذکرشده، حاشیه به معنای کمترین فاصله بین نزدیک ترین داده ها و هر نقطه روی صفحه است. ثابت شده این ابرصفحه بهترین قابلیت عمومی سازی را دارد. این الگوریتم، نه تنها عملکرد طبقه بندی خوبی دارد بلکه از دقت پیش بینی بالایی نیز برخوردار است.

الگوریتم SVM با فرض این که کلاس‌ها به صورت خطی جداپذیر باشند، ابر صفحه‌هایی با حداکثر حاشیه را به دست می‌آورد که کلاس‌ها را جدا کنند. در مسائلی که داده‌ها به صورت خطی جداپذیر نباشند داده‌ها به فضایی با ابعاد بالاتر نگاشت می‌شوند تا بتوان آن‌ها را در این فضای جدید به صورت خطی جدا نمود. دو صفحه مرزی موازی با صفحه دسته بندی رسم کرده و آن دو را آنقدر از هم دور می کنیم که به داده‌ها برخورد کنند. صفحه دسته-بندی که بیش ترین فاصله را از صفحات مرزی داشته باشد، بهترین جدا کننده خواهد بود.

مسأله انتخاب ویژگی یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. این مسأله، برگزیدن ویژگی هایی است که حداکثر توان را در پیش گویی خروجی دارا باشند . روش های انتخاب ویژگی در تحلیل پایگاه داده ها استفاده می شوند. این روش ها در پایگاه داده هایی که شامل تعداد بسیاری از ویژگی ها هستند و پردازش را مشکل می کنند کاربرد زیادی دارند و بر اساس این روش ها، اکثر آن ویژگی هایی که حاوی بیشترین اطلاعات مفید هستند، انتخاب می شوند.

استفاده از یک الگوریتم انتخاب ویژگی کارآمد قبل از به کارگیری الگوریتم طبقه بندی، باعث می شود دقت شناسایی، بالاتر رود. تحقیقات نشان داده است که الگوریتم‌های بهینه‌سازی تکاملی، راه حل بسیار مناسبی برای حل مسائل NP-hard مانند انتخاب ویژگی هستند. یک روش تکاملی، در حقیقت، یک روش ابتکاری برای حل یک طبقه بسیار عمومی از مسائل است و ترکیبی کارآمد از توابع هدف یا روش‌های ابتکاری مبتنی بر توابع هدف می-باشد .

در این تحقیق محقق درصدد است که به ارائه الگوریتمی ترکیبی جهت بهبود دقت تشخیص بیماری دیابت نوع 2 بپردازد. در روش پیشنهادی، ابتدا به پیش پردازش داده ها پرداخته به این صورت که مقادیر ویژگی ها را بین صفر و یک نرمالیزه نموده و ترتیب رکوردها را نیز به صورت تصادفی تغییر داده و داده های آموزش و تست را نیز از هم تفکیک می نماید. سپس با استفاده از یکی از الگوریتم های تکاملی (که در حین انجام کار انتخاب می گردد) به انتخاب ویژگی، پرداخته و در مرحله بعد الگوریتم SVM روی داده های حاصله، اعمال می گردد. در نهایت دقت روش پیشنهادی با برخی روش های ارائه شده قبلی سنجیده می شود. 

جهت ارزیابی روش پیشنهادی، مجموعه داده  از بیمارستان تخصصی و فوق تخصصی حضرت ولیعصر(ع) شهرستان فسا (از دیابتی های سال 1389 تا 1394 ) خواهد بود.  از بین تعداد رکوردهای جمع آوری شده، 75 درصد برای آموزش و 25 درصد جهت تست در نظر گرفته خواهد شد .

به کارگرفتن روش پیشنهادی در این تحقیق، در داده های مربوط به بیماری دیابت نوع2، می تواند به تشخیص زودرس و به تعویق انداختن این بیماری شایع در جوامع امروزی کمک کند.

1-   استخراج ویژگی‌های مناسب و مفید و حذف ویژگی های غیر مهم، به منظور کاهش ابعاد مسأله و پیچیدگی‌های محاسباتی و افزایش دقت مسأله  

2- تشخیص بیماری دیابت نوع2 با استفاده از روش پیشنهادی

3- مقایسه عملکرد روش های مختلف تشخیص بیماری دیابت نوع2 با روش پیشنهادی

4- افزایش دقت پیش بینی بیماری دیابت نوع2